비 확률 샘플링은 쇼핑몰에 적용됩니다. 그들은 무작위로 샘플링하여 더 높은 품질의 보고서를 얻었다.
확률 샘플링은 무작위 샘플링이라고도 합니다. 확률 샘플링은 확률 이론과 무작위 원리를 기반으로 그룹의 각 유닛이 미리 알려진 0 이 아닌 확률을 가질 수 있도록 합니다. 전체 셀이 펌핑될 확률은 샘플 설계를 통해 지정할 수 있으며, 임의의 연산을 통해 실현될 수 있습니다. 무작위 샘플은 일반적으로 전체와 정확히 일치하지는 않지만, 많은 수의 법칙에 따라 샘플링 오류를 계산하고 제어할 수 있으므로 샘플의 통계가 전체에 얼마나 적합한지 정확하게 설명하고, 샘플 조사 결과에 따라 전체를 정량적으로 추론하며, 전체적인 성격을 어느 정도 설명할 수 있습니다. 특징. 확률 샘플링은 주로 단순 무작위 샘플링, 시스템 샘플링, 분류 샘플링, 전체 샘플 그룹, 다단계 샘플링 등으로 나뉩니다. 실생활에서, 대부분의 샘플링 조사는 확률 샘플링 방법을 이용하여 샘플을 뽑는다.
원칙
확률 샘플링의 기본 원리는 샘플 양이 클수록 샘플 오차가 작아지고 샘플 양이 클수록 비용이 높다는 것입니다. 수리통계 법칙에 따르면 샘플량이 선형으로 증가 (샘플량이 두 배로 증가, 비용이 두 배로 증가) 할 때 샘플 오차는 샘플량의 상대적 증가율의 제곱근 감소일 뿐이다. 따라서 샘플량의 디자인이 커질수록 좋은 것은 아니며, 보통 경제 조건의 제한을 받는다.
원칙
시장 연구 방법
A 사건 연구 사례 연구법 B 비반복 샘플링 C 샘플링 조사 재설정 샘플링 추첨법 제품 유치 테스트 D 다차원 계량계 정량 연구법 전형 조사법 전화 조사 다단계 샘플링 등거리 척도 e 중고 자료 조사 양방향 초점 그룹 f 비확률 샘플링 계층 샘플링 계층 비율 샘플링 계층 최적 샘플링 g 관찰, 확률 샘플링, 전환점 조사, 눈덩이 샘플, H 회의 조사, J 초점 인터뷰, 경험적 판단, 무작위 샘플링, 가족일기, 리셀러 인터뷰, K 실현가능성 연구, L 공동 분석, 유치조사, 쓰레기 조사, 범주표, M 인터뷰, 맹목적인 조사, 설명조사, P PPS 판단, 샘플링 할당량, 샘플링 균형표, 평가표, 페어링 비교표 샘플링 S 용량 측정법 SEM 모델 깊이 인터뷰법 이중 샘플링 실험 조사법 현장 조사 수치 분포 척도 난수 표법 순서표 T 투영 기술 보급 추정법 투영 연구 탐구성 연구 W 문헌 조사법 인터넷 조사법 인터넷 조사 문안 조사법 방문 준비 안 됨 인터넷 조사 X 문의 법신디가 조사, 상호 통제 쿼터 조사 y 메일 조사 인과 조사 z 주관적 확률법 전체 샘플 집중 조사 집집 검색법.
확률샘플링은 표본의 전반적인 대표성을 보장할 수 있는데, 그 원리는 집단 내부 구조에 포함된 각종 무작위 사건의 확률에 따라 샘플을 잘 형성하여 샘플을 집단의 축소판으로 만들 수 있다는 것이다.
우세
(1) 확률 샘플에는 다음과 같은 이점이 있습니다.
조사자는 다양한 연령과 계층의 사람들에 대한 정보를 얻을 수 있다. 샘플링 오류를 추정할 수 있습니다. 조사 결과는 인구를 추론하는 데 사용될 수 있다. 예를 들어 확률 샘플링 방법을 사용한 조사에서 응답자의 5% 가 구체적인 답을 제시한 경우 조사자는 이 비율을 샘플링 오차와 결합하여 전반적인 상황을 요약할 수 있습니다.
반면에 확률 샘플링에는 몇 가지 단점이 있습니다.
-대부분의 경우, 같은 규모의 확률 샘플 비용이 비확률 샘플보다 높습니다.
-확률 샘플링은 비 확률 샘플링보다 계획 및 구현에 더 많은 시간이 필요합니다.
-따라야 할 샘플링 계획 구현 프로그램은 데이터 수집 시간을 크게 증가시킵니다.
방법
확률 샘플에는 단순 임의 샘플, 시스템 샘플 (등거리 샘플), 계층 샘플 (유형 샘플), 전체 샘플 그룹, 다중 세그먼트 샘플, PPS 샘플 및 내부 샘플이 포함됩니다.
등거리 샘플링
정량 샘플링 조사에서 등거리 샘플링은 종종 단순한 무작위 샘플링을 대신한다. 이 샘플링 방법은 간단하고 실용적이기 때문에 널리 응용된다. 등거리 샘플링으로 얻은 샘플은 단순 무작위 샘플링으로 얻은 샘플과 거의 같습니다. 등거리 샘플링의 기본 방법은 전체 단위를 일정한 순서로 배열하고 번호를 매긴 다음, 이 구간을 기준으로 조사된 단위와 개인을 선택하는 것이다. 샘플 거리는 샘플 거리 = 총 단위/샘플 단위 공식에 의해 결정될 수 있습니다.
예를 들어, 로컬 전화번호부를 사용하고 샘플 거리가 100 인 경우 100 에서 1 개의 샘플을 가져옵니다. 이 공식은 전체 목록의 무결성을 보장합니다.
등거리 샘플링 방법은 시작점을 자유롭게 사용합니다. 예를 들어, 전화 번호부를 샘플 박스로 사용한다면, 번호를 마음대로 꺼내서 그 페이지부터 찾아보기로 결정해야 합니다. (윌리엄 셰익스피어, 템플릿, 전화, 전화, 전화, 전화, 전화, 전화, 전화) 5 페이지부터 시작해서 그 페이지에서 다른 숫자를 선택해서 이 줄부터 시작하기로 했다고 가정해 봅시다. 세 번째 줄에서 시작하도록 선택했다고 가정해 봅시다. 세 번째 줄은 실제 시작 위치를 결정합니다.
단순 무작위 샘플링에 비해 등거리 샘플링의 주요 장점은 경제입니다. 등거리 샘플링은 단순한 무작위 샘플링보다 더 간단하고, 시간이 적게 걸리고, 비용이 저렴합니다. 등거리 샘플링 방법을 사용하는 가장 큰 단점은 전체 단위의 배열입니다. 일부 총 단위에는 숨겨진 양식 또는 "부적합 샘플" 이 포함될 수 있으며, 조사관들은 이를 샘플로 선택하지 않을 수 있습니다.
계층 샘플링
정량 조사에서 계층화 된 샘플링은 AIA 이전 설문 조사에서 자주 사용되는 우수한 확률 샘플링 방법입니다.
계층 샘플링의 구체적인 절차는 전체 단위를 두 개 이상의 독립적인 전체 그룹 (예: 남녀) 으로 나누고, 두 개 이상의 그룹에서 간단한 임의 샘플링을 수행하며, 샘플은 서로 독립적입니다.
전체 단위는 주요 플래그에 따라 그룹화되며, 그룹화된 플래그는 우리가 염려하는 전체 특성과 관련이 있습니다. 예를 들어, 맥주 브랜드 인지도 조사를 하고 있는데, 남성의 맥주에 대한 인식이 여성과 다르다고 초보적으로 판단하기 때문에 성별은 적절한 등급의 상징이어야 한다. 이렇게 계층화된 샘플링을 하지 않으면, 계층화된 샘플링은 아무런 효과도 얻지 못하며, 더 많은 시간, 에너지, 물력도 낭비된다.
간단한 무작위 샘플링과 비교했을 때, 계층적 샘플링은 눈에 띄는 잠재적 통계 효과로 인해 자주 선택된다. 즉, 만약 우리가 같은 총체적으로 두 개의 샘플을 취한다면, 하나는 층층 샘플이고, 하나는 단순한 무작위 샘플이라면, 층층 샘플의 오차는 상대적으로 작다. 반면, 목표가 특정 샘플링 오류 수준을 얻는 것이라면 작은 계층 샘플이 이를 달성합니다.
조사 실습에서 계층 샘플의 정확성을 높이기 위해 실제로는 어느 정도 비용이 든다. 일반적으로 현실적이고 정확한 계층 샘플링에는 일반적으로 세 단계가 있습니다.
우선, 눈에 띄는 (중요한) 인구통계학적 특징과 분류 특징을 구분하는데, 이러한 특징은 연구한 행동과 관련이 있다. 예를 들어 한 제품의 소비율을 연구할 때 남녀의 평균 소비율이 다르다는 것은 상식이다. 성별을 계층화의 의미 있는 지표로 삼기 위해 조사자들은 남녀의 소비 수준이 현저히 다르다는 것을 증명하기 위해 데이터를 내놓을 수 있을 것이다. 이런 식으로 다양한 특징을 식별할 수 있다. 조사에 따르면 일반적으로 6 가지 중요한 특징을 파악한 후 뚜렷한 특징의 구분도를 높이면 샘플의 대표성을 높이는 데 큰 도움이 되지 않는 것으로 나타났다.
둘째, 모든 수준에서 전체의 비율을 결정합니다 (성별이 두드러진 특징으로 확인되면 남녀 전체의 비율은 얼마입니까? ) 을 참조하십시오. 이 비율을 이용하여 샘플의 각 그룹 (층) 의 인원수를 계산할 수 있다.
마지막으로, 연구자들은 각 층에서 독립된 간단한 무작위 샘플을 추출해야 한다.
중첩 샘플링법
위의 모든 샘플 유형은 셀별로 추출됩니다. 즉, 샘플 셀 수에 따라 각 셀을 하나씩 추출합니다. 전체 샘플 그룹에서 샘플은 단위로 그룹화됩니다.
전체 샘플 그룹에는 두 가지 주요 단계가 있습니다.
-동질집단은 완전히 더 작은 상호 독립의 하위 집합으로 나뉜다.
-임의로 서브셋을 선택하여 샘플을 형성합니다.
만약 조사자가 선택한 하위 세트의 모든 단위를 관찰한다면, 우리는 일류 클러스터 샘플을 갖게 될 것이다. 확률적으로 선택한 하위 세트에서 단위 관찰을 추출하면 2 단계 클러스터 샘플을 얻을 수 있습니다. 계층화된 샘플과 전체 샘플 그룹은 전체를 독립된 전체 하위 세트로 나누어야 합니다. 차이점은 계층적 샘플 샘플이 각 하위 세트에서 추출되고 전체 샘플 그룹이 부분 하위 세트를 추출한다는 것입니다.
지리적 영역 샘플링은 일반적인 전체 그룹 샘플링 방법입니다. 집집마다 특정 도시를 조사하는 조사관은 무작위로 일부 지역을 선정해 일부 집단을 집중적으로 방문해 방문 시간과 경비를 크게 줄일 수 있다. 전체 샘플 그룹은 무작위로 그룹과 단위를 추출하기 때문에 확률 샘플링 기술로 간주됩니다. 주목할 만하게도, 전체 표본에서, 우리는 집단의 단위가 전체와 마찬가지로 이질성을 가지고 있다고 가정한다. 그룹 내의 단위 특성이 매우 유사한 경우 그룹 내의 차이가 작으면 환경이 동일하기 때문에 그룹 간의 차이가 커집니다. 일반적으로 이 문제를 해결하기 위해 그룹 수를 늘린 다음 각 그룹에서 소량의 단위를 추출하여 샘플의 대표성을 보장할 수 있습니다.